Эконометрика: прогноз на один шаг вперед - страница 119
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Это как раз комментарий к многочисленным положениям топика и разногласие с ними вот в чем:
Тренд это приращение на выборке значений на определенный лаг, к предыдущим лагам и в таком лаге шагов может быть более одного. Каким образом это приращение рассчитать и предположить зависимое приращение для последующего лага - вот это уже модель прогноза. При этом методики определения значимости переменных, как раз и используют в качестве критерия установление зависимости шаг вперед, но при этом вовсе не на лаг - удивляет с чего вдруг при такой общепринятой практике кто то предполагает получить какие либо гарантии на точность прогноза именно тренда. Дружба с таким "медицинским фактом" - это прямая ковровая дорожка к профильному психотерапевту... Само собой, что накопление ошибки с увеличение размера лага будет расти, но это вовсе не означает падение точности прогноза - так как, как раз эта мера относительная и устанавливаемая оцениваем качества корреляции, а вовсе не размером ошибки... Поэтому выбор модели и её параметров - это всего лишь вторичная задача, решаемая(при этом легко) после определения размера и свойств выборки зависимых переменных...
Конечно, нельзя употреблять слово "ошибка" без слов относительная или абсолютная.
Я делал модели на уровнях и на приращениях. Если правильно сравнивать, то ошибка прогноза на модели приращений была меньше, чем на уровнях. При торговле нас конечно интересует приращение и ошибка прогноза приращения.
К сожалению, точность прогноза не повлияла на прогнозируемость на шаг вперед. Думаю, что надо прогнозировать вероятность направления движения на шаг вперед, а не добиваться уменьшения ошибки прогноза.
Можно наверное и так... Я решил по другому, но хотелось бы услышать и другие предложения - скромно умолчав о своем (предполагаю, что раскрыв суть собственной постановки задачи имею моральное право собрать за это в таком виде дивиденды)... В СКО меня смущает то, что оно одинаково "фиолетово" для отклонения в любую сторону от среднего, кроме того, что регрессия окажется, например, также линейной - тоже никто не обещал...
СКО замечательно, если оно хотя бы почти константа. Но при наличии гетероскедастичности это точно не так. Причем гетероскедастичность бывает разная.
Была мысль взять размер окна пропорционально кол-ву баров в АКФ до нулевой корреляции - это текущая длина памяти рынка.
Опять не понял. Какие доказательства? Это картинка онлайн! Линии не перестраиваются. Уже несколько раз сказал. Это не БПФ!!! Это фильтр! Как сделан раскрывать не буду.
Это и есть сдвиг!!!
Каждый новый бар слева направо = новая картинка.
Берем самы широкий шаг у сиреневой синусоиды
Меняется амплитуда и меняется периодичность. Так или нет?
Меняется амплитуда и меняется периодичность. Так или нет?
Об этом рассказал в нашем разговоре. Есть 4 проблемы для прогноза. Чем выше частота, тем меньше искажается период и амплитуда.
Первые две проблемы решаются увеличением окна преобразования. остальные труднее решить.
Об этом рассказал в нашем разговоре. Есть 4 проблемы для прогноза. Чем выше частота, тем меньше искажается период и амплитуда.
Первые две проблемы решаются увеличением окна преобразования. остальные труднее решить.
Написал же. Низкие частоты искажаются больше, чем верхние. Они кривые. Чтобы избавиться от этого надо увеличить окно преобразования. Тогда эти искажения выйдут за пределы видимости. От них остануться почти прямые линии. Но и преобразование такое будет занимать больше ресурсов и времени.
Т.е. экстраполировать кривую с амплитудной и частотной модуляциями сложно. Зато можно лекго экстраполировать почти прямую. Конечно, проблема не исчезает. Просто берём небольшой участок этой кривой, который мы можем экстраполировать с наименьшей ошибкой.
Ответил?
Решил ведь. На один бар можно учесть нестационарность с достаточно высокой точностью.